PARTE SPERIMENTALE
9.2 Analisi di incertezza
9.2.1 Metodo Monte Carlo
Il nome Monte Carlo fu assegnato in riferimento alla capitale del Principato di Monaco, famosa per le sue sale da gioco. La caratteristica del gioco d’azzardo, ossia la casualità nell’uscita di un numero piuttosto che un altro, è l’elemento comune all’analisi Monte Carlo che spiega l’origine del nome.
Come ampiamente descritto nel paragrafo 4.5 (Interpretazione e miglioramento) la metodologia LCA presenta un’incertezza associata ai dati raccolti nell’analisi di inventario ed alle scelte soggettive effettuate per la creazione del modello del sistema in esame. Per questo
108
motivo è necessario misurare gli effetti che tali incertezze possono avere sul risultato ottenuto nella fase di valutazione degli impatti, in modo tale da renderlo il più attendibile possibile. Le incertezze sui dati possono essere espresse in un intervallo o deviazione standard ed a tale scopo viene impiegato appunto il metodo statistico Monte Carlo.
Il metodo è usato per trarre delle stime attraverso simulazioni e si basa su un algoritmo in grado di generare una sere di numeri non correlati tra di loro, che seguono una distribuzione di probabilità. Dei diversi tipi di distribuzione, quella più utilizzata in studi LCA è la log- normale, con un intervallo di confidenza del 95% (Goedkoop et al. 2008). L’analisi Monte Carlo consiste essenzialmente nell’esecuzione di valutazioni ripetute utilizzando valori in input casuali scelti all’interno di un intervallo di incertezza specificato (Huijbregts et al.
2001). Come detto precedentemente, l’incertezza viene stimata tenendo in considerazione
tutte le caratteristiche che possono influire sulla variabilità (metodo di acquisizione dei dati, indipendenza delle fonti, rappresentatività, correlazioni temporali, geografiche e tecnologiche).
Il calcolo viene poi ripetuto prendendo valori diversi all’interno del range di incertezza ed i risultati vengono memorizzati. Dopo aver ripetuto la procedura per esempio 1000 volte, si ottengono 1000 risposte diverse che formano la distribuzione di incertezza.
Il metodo di analisi Monte Carlo, tuttavia, può essere utilizzato esclusivamente per confrontare tra di loro due scenari alla volta ed i risultati permettono di visualizzare la frequenza, per ciascuna categoria di danno ambientale, in cui il primo scenario ha impatto superiore rispetto al secondo o viceversa.
Per la finalità di questo studio ed al fine di effettuare un confronto su dati di qualità paragonabile, l’analisi è stata applicata esclusivamente ai due scenari da glicerolo facenti parte della LCA estesa.
I risultati ottenuti vengono espressi sotto forma di istogrammi in cui le barre di colore verde rappresentano il numero di volte in cui lo scenario A, in questo caso la produzione di acroleina da glicerolo ottenuto come sottoprodotto della trans-esterificazione dell’olio di colza, presenta un impatto maggiore (globale o per le categorie di impatto midpoint/endpoint) dello scenario B, il quale rappresenta la produzione di acroleina da glicerolo ottenuto dalla reazione di idrolisi dei trigliceridi, e le barre di colore rosso rappresentano la situazione opposta.
Analizzando in dettaglio le categorie d’impatto intermedie prese in considerazione, Figura 9.1, si osserva che il processo di idrolisi mostra impatti superiori esclusivamente nel 67% dei
109
casi per la categoria trasformazione di suolo naturale e nel 95% per la categoria consumo di
combustibili fossili, confermando quanto riportato precedentemente in Tabella 8.4. In Figura
9.2 vengono analizzate invece le categorie di danno al recettore (risorse, salute umana ed ecosistemi) o endpoint ed emerge, a conferma di quanto appena detto, che esclusivamente per la categoria consumo di risorse l’impatto è superiore per lo scenario di idrolisi, con una frequenza dell’88%. Tale risultato conferma quanto emerso nell’analisi di contributo, sottolineando il beneficio sulla suddetta categoria di danno derivante dall’utilizzo del biodiesel, coprodotto dalla reazione di trans-esterificazione, in alternativa ai combustibili fossili.
In conclusione, si può quindi affermare che l’analisi Monte Carlo avvalora i risultati emersi nella fase di valutazione degli impatti (Figura 8.3), sottolineando come nel 100% delle iterazioni il processo alternativo di produzione di acroleina da glicerolo ottenuto partendo da olio vegetale risulta maggiormente impattante in termini globali se confrontato con l’altro scenario alternativo in cui il glicerolo è prodotto come scarto della lavorazione di sego (Figura 9.3), confermando pertanto la maggior sostenibilità di quest’ultimo scenario.
110
Figura 9.1: Analisi Monte Carlo, acroleina da trans-esterificazione (A) vs acroleina da idrolisi (B), Caratterizzazione.
-100% -80% -60% -40% -20% 0% 20% 40% 60% 80% 100%
Occupazione di suolo agricolo Cambiamento climatico - Ecosistemi Cambiamento climatico - Salute umana Consumo di combustibili fossili Tossicità umana Consumo di metalli Trasformazione di suolo naturale Formazione di particolato Ecotossicità terrestre Occupazione di suolo urbano
111
Tabella 9.3: Risutati dell’analisi Monte Carlo, acroleina da trans-esterificazione (A) vs acroleina da idrolisi (B), Caratterizzazione.
Categoria d'impatto A >= B Media Mediana SD CV(Coefficiente
di Variazione) 2.50% 97.50%
Err. std. di media
Occupazione di suolo
agricolo 100% 3.19E-06 3.16E-06 5.99E-07 18.70% 2.08E-06 4.51E-06 5.93E-03
Cambiamento climatico -
Ecosistemi 100% 3.12E-07 3.09E-07 1.12E-07 35.80% 1.16E-07 5.41E-07 1.13E-02
Cambiamento climatico -
Salute Umana 100% 5.51E-05 5.46E-05 1.97E-05 35.80% 2.04E-05 9.55E-05 1.13E-02
Consumo combustibili
fossili 4.70% -1.47E+00 -1.43E+00 9.68E-01 -65.90% -3.67E+00 2.54E-01 -2.09E-02
Tossicità umana 100% 1.34E-05 1.19E-05 6.16E-06 46% 7.13E-06 3.08E-05 1.45E-02
Consumo di metalli 100% 3.68E-01 3.32E-01 1.42E-01 38.70% 1.95E-01 7.22E-01 1.22E-02
Trasformazione di suolo
naturale 32.70% -1.63E-08 -9.87E-09 3.40E-08 -208% -1.11E-07 3.14E-08 -6.58E-02
Formazione di particolato 100% 3.19E-05 3.17E-05 9.88E-06 30.90% 1.68E-05 5.01E-05 9.78E-03
Ecotossicità terrestre 100% 2.21E-06 2.18E-06 3.73E-07 16.90% 1.58E-06 3.06E-06 5.33E-03
Occupazione di suolo
112
Figura 9.2: Analisi Monte Carlo, acroleina da trans-esterificazione (A) vs acroleina da idrolisi (B), Valutazione dei danni.
-100% -80% -60% -40% -20% 0% 20% 40% 60% 80% 100%
Ecosistemi Salute umana Risorse
113
Categoria di danno A >= B Media Mediana SD CV (Coefficiente
di Variazione) 2.50% 97.50%
Err. std. di media
Ecosistemi 100% 5.80E-06 5.75E-06 9.70E-07 1.67E-01 4.05E-06 7.86E-06 5.29E-03
Salute umana 100% 1.01E-04 9.78E-05 2.93E-05 2.92E-01 4.78E-05 1.64E-04 9.22E-03
Risorse 12% -1.10E+00 -1.06E+00 9.99E-01 -9.08E-01 -3.36E+00 7.34E-01 -2.87E-02
114
Figura 9.3: Analisi Monte Carlo, acroleina da trans-esterificazione (A) vs acroleina da idrolisi (B), Punteggio singolo.
-100% -80% -60% -40% -20% 0% 20% 40% 60% 80% 100%
Punteggio singolo
115
Categoria di danno A >= B Media Mediana SD CV (Coefficiente
di Variazione) 2.50% 97.50%
Err. std. di media
Punteggio singolo 100% 14.1 14 2.96 21% 8.61 20.2 6.65E-03
Tabella 9.5: Risultati analisi Monte Carlo, acroleina da trans-esterificazione (A) vs acroleina da idrolisi (B), Punteggio singolo.
116 10. CONCLUSIONI
Lo scopo di questo lavoro di tesi è stato l’applicazione della metodologia LCA (Life Cycle
Assessment) al settore chimico industriale, quale strumento di analisi in grado di indagare il
carico ambientale di un processo durante l’intero ciclo produttivo. In particolare l’analisi è stata focalizzata sulla produzione industriale di acroleina, ponendo a confronto due vie di sintesi: il processo tradizionale che impiega come materia prima il propilene e quello alternativo da glicerolo, ottenuto come prodotto rinnovabile di processi industriali. Emerge pertanto l’importanza dell’applicazione della metodologia LCA al settore della Green
Chemistry, poiché è in grado di valutare se un processo è più sostenibile di un altro in una
prospettiva complessiva di ciclo di vita. Nel caso particolare è stata posta l’attenzione sul settimo principio, il quale incoraggia l’impiego di materie prime rinnovabili in alternativa a quelle di origine fossile.
Il lavoro è stato articolato su due livelli, uno parziale in cui viene considerato esclusivamente il processo di produzione di acroleina partendo dalle due materie prime (entrambe considerate come black boxes), ed uno più ampio in cui i confini del sistema vengono ampliati all’intero ciclo produttivo. Questa estensione permette di suddividere lo scenario di produzione di acroleina da glicerolo in due sottoscenari, in quanto quest’ultimo può essere ottenuto come prodotto di scarto sia nella reazione di trans-esterificazione di oli vegetali (finalizzata all’ottenimento di biodiesel) sia nella reazione di idrolisi di trigliceridi di origine animale per la produzione di acidi grassi. I risultati ottenuti dal confronto dei due scenari parziali di produzione di acroleina hanno mostrato come il processo da glicerolo abbia complessivamente impatti maggiori rispetto al tradizionale, ascrivibili ai diversi consumi energetici ed in massa dei processi. Tale andamento viene in parte confermato con l’estensione dei confini di sistema, dalla quale emerge come lo scenario più impattante in termini globali sia appunto quello che utilizza il glicerolo ottenuto dalla trans-esterificazione dell’olio di colza. Analizzando le categorie d’impatto intermedie prese in considerazione si può ipotizzare che il problema principale sia l’impatto generato dalla fase di coltivazione della colza per l’ottenimento dell’olio, la quale influisce sulla categoria di occupazione di suolo
agricolo e di conseguenza in maniera non trascurabile sull’ecotossicità terrestre e sulle
categorie di cambiamento climatico, ipotesi che viene confermata dall’analisi di caratterizzazione. Nonostante ciò è da sottolineare il rilevante beneficio in termini di consumo
di combustibili fossili derivante dalla sostituzione del diesel con il biodiesel.
Diversamente dal precedente, l’altro scenario alternativo, quello cioè che impiega il glicerolo ottenuto come scarto nella lavorazione di sego, sembra essere il modello con maggiori
117
vantaggi in termini ambientali. Tali benefici si riscontrano principalmente in impatti evitati per le categorie di tossicità, occupazione e trasformazione di suolo, derivanti dall’evitata produzione di acidi grassi da biomassa dedicata. Tuttavia, come già specificato nel corso del lavoro, lo scenario da propilene (parziale ed esteso) è l’unico ad essere stato modellato sulla base di informazioni estrapolate esclusivamente da database, pertanto esso potrebbe rappresentare un’approssimazione del processo reale. Questo dimostra come l’analisi LCA sia inevitabilmente affetta da errori vista la diversa qualità dei dati a disposizione per la modellazione degli scenari e considerato il necessario grado di soggettività nelle ipotesi effettuate e nella raccolta dei dati stessi. Ciò implica che i risultati ottenuti e le considerazioni effettuate possono essere ritenute valide non in assoluto, ma esclusivamente all’interno dei confini di sistema individuati a monte dello studio. Di fatti, assunzioni differenti, dettate da diverse scelte in fase di modellazione, comporterebbero una variazione più o meno sostanziale di tali risultati.
Inoltre, al fine di avvalorare tali risultati e per tenere in considerazione le possibili fonti di variabilità dei dati è stato applicato il metodo di analisi statistico Monte Carlo ai due scenari di produzione di acroleina da glicerolo in quanto di maggior interesse per le finalità dello studio. Il metodo Monte Carlo ha confermato il minor impatto globale associato allo scenario di idrolisi rispetto a quello di trans-esterificazione con un intervallo di confidenza del 95%, dimostrando la robustezza del modello creato.
Tuttavia sarebbe interessante disporre per ogni scenario di dati primari forniti da aziende operanti nel settore: ciò permetterebbe di avere un quadro di informazioni più dettagliato ed attendibile da usare al fine di migliorare i processi produttivi stessi. Purtroppo però quando si studiano sistemi così complessi come i processi industriali spesso risulta difficile ottenere dei dati per tutte le fasi di processo, anche perché alcuni di essi sono coperti da brevetto (ad esempio i catalizzatori).
Inoltre sarebbe opportuno considerare l’influenza che possono avere le condizioni al contorno sui risultati di un’analisi LCA. Per tale motivo la metodologia viene suddivisa in due tipi: LCA attribuzionale (ALCA) ed LCA consequenziale (CLCA). Entrambi gli approcci considerano gli stessi stadi del ciclo di vita del prodotto, ma mentre la ALCA non tiene conto di effetti indiretti, la CLCA include nella valutazione tutti i cambiamenti (positivi o negativi) derivanti dall’influenza di aspetti socio-economici.
In conclusione gli aspetti fondamentali del presente lavoro di tesi, al di là dei risultati ottenuti, sono molteplici. In primis emerge l’importanza dell’utilizzo di fonti rinnovabili e di scarti di produzione per la sintesi di chemicals in alternativa a quelle esauribili di origine fossile: ciò
118
permette di ottenere vantaggi ambientali significativi. In secondo luogo, emerge l’importanza dell’applicazione dell’analisi del ciclo di vita al settore chimico industriale, poiché esso è uno strumento di innovazione, prevenzione e miglioramento continuo delle performances ambientali. Inoltre, esso può essere impiegato al fine di incrementare la sensibilizzazione delle aziende a perseguire il principio di sostenibilità e salvaguardia dell’uomo e dell’ambiente. In ultimo, ma non di minore importanza, si riscontra l’esigenza di definire un approccio di analisi standardizzato, da applicare in fase di valutazione delle prestazioni ambientali, supportato dallo sviluppo di banche dati accreditate. A tal proposito uno sforzo sembra essere stato fatto dalla Commissione Europea, la quale attraverso la Raccomandazione 2013/179/UE (indirizzata agli Stati membri ed alle organizzazioni pubbliche e private) promuove l’utilizzo di metodi per determinare l’impronta ambientale nelle politiche e nei programmi connessi alla misurazione o alla comunicazione delle prestazioni ambientali nel corso del ciclo di vita dei prodotti o delle organizzazioni. Questa iniziativa nasce dalle innumerevoli richieste provenienti dall’industria per effettuare un’armonizzazione delle metodologie di valutazione delle prestazioni ambientali dei prodotti, al fine di garantire la parità delle condizioni di concorrenza, una riduzione dei costi e favorire il commercio transfrontaliero di prodotti green.
120 11. BIBLIOGRAFIA
ACTED-Consultans (1995), Acrylic Acid manufacture in Western Australia, http://www.chemlink.com.au/acryful.htm.
Anastas P., Eghbali N. (2009), Green Chemistry: Principles and Practice, Chem. Soc. Rev., 39, 301-312.
Anastas P., Zimmerman J.B. (2003), Design through the Twelve Principles of Green
Engineering, Env. Sci. Tech, 37(5), 94A-101A.
Anneken D. J., Both S., Christoph R., Fieg G., Steinberger U., Westfechtel A. (2012),
Fatty Acids, Ullmann’s encyclopedia of industrial chemistry.
Aresta M., Galatola M. (1999), Life cycle analysis applied to the assessment of the
environmental impact of alternative synthetic processes. The dimethylcarbonate case: part 1, Journal of Cleaner Production, 7, 181–193.
Arntz D., Fischer A., Höpp M., Jacobi S., Sauer J., Ohara T., Sato T., Shimizu N., Scwind H. (2012), Acrolein and Metacrolein, Ullman’s Enciclopedia of Industrial Chemistry, pp. 329-342.
Ayoub M., Abdullah A. Z. (2012), Critical review on the current scenario and
significance of crude glycerol resulting from biodiesel industry towards more sustainable renewable energy industry, Renewable and Sustainable Energy Reviews,
16, 2671-2686.
Baldo G.L, Marino M., Rossi S. (2008), Analisi del ciclo di vita, Edizione Ambiente 2008.
Behzadi S., Farid M. (2007), Method of biodiesel production, Auckland Uniservices LTD, WO2007049979.
Belcher J. L. (2008), Acrolein (2-propenal): A Potential Alternative to Methyl
Bromide, pp. 4-9.
BP Statistical Review of World Energy (2012).
Burgess A. A., Brennan D. J. (2001), Application of life cycle assessment to chemical
processes, Chemical Engineering Science, 56, 2589-2604.
Callahan J. L., Foreman R. W., Veatch F. (1960), U.S Patent 2.941.007, Standard Oil of Ohio Company.
Carew A.L., Mitchell C.A. (2008), Teaching sustainability as a contested concept:
capitalizin on variation in en ineerin educators’ conceptions of environmental, social and economic sustainability, Journal of Cleaner Production, 16, 105 e 115.
121
Christensen C. H., Rass-Hansen J., Marsden C. C., Taarning E., Egeblad K. (2008),
The Renewable Chemicals Industry, ChemSusChem, 1, 283-289.
Christoph R., Schmidt B., Steinberner U., Dilla W., Karinen R. (2012), Glycerol, Ullmann’s encyclopedia of industrial chemistry, vol 17, pp. 67-82.
Clark J., Macquarrie D. (2002), Handbook of green chemistry and technology, Blackwell Science, 1-340.
Cole R.M, Cunn C. L., Pierotti G. J. (1952), U.S Patent 2.606.932, Shell Development Co.
Consoli F., Boustead I., Fava J., Franklin W., Jensen A., de Oude N., Parish R., Postlethwaite D., Quay B., Seguin J., Vignon B. (1993), Giudelines for life-cycle
assessment: A Code of Practice, SETAC.
Curzons A. D., Constable D. J. C., Mortimer D. N., Cunningham V. L. (2001), So you think your process is green, how do you know? Using principles of sustainability to determine what is green - a corporate perspective, Green Chem., 3, 1-6.
Dauriant A.- ENERS Energy Concept, Gnasounou E.– Laboratory of Energy Systems (2006), Ethanol-based biofuels. Ecoinvent-report No. 17.
Day W. H., Serjak W. C., Stratton J. R., Stone L. (1954), Antibiotics as
Contamination-Control Agents In Grain Alcohol Fermentations, Agricultural Land
Food Chemistry.
Domènech X., Ayllon J.A., Peral J., Rieradevall J. (2002), How green is a chemical
reaction? Application of LCA to Green Chemistry Environ. Sci. Technol.2002, 36,
5517-5520.
Etzkorn W. G. (2009), Acrolein and derivates, Kirk-Othmer Encyclopedia of Chemical Tecnology, pp.1-13.
European Biodiesel Board (2011), available from www.ebb-eu.org/.
Frischknecht R., Jungbluth N., Althaus H.-J., Doka G., Heck T., Hellweg S., Hischier R., Nemecek T., Rebitzer G., Spielmann M., Wernet G. (2007), Overview and
Methodology, ecoinvent report No. 1, Swiss Centre for Life Cycle Inventories.
Frischknecht R., Rebitzer G. (2005), The ecoinvent database system: a comprehensive
web-based LCA database, Journal of Cleaner Production, 13, 1337-1347.
Fullana P., Betz M., Hischier R., Puig R. (2008), Life Cycle Assessment applications:
results from cost action 530, A joint effort by COST ACTION 530: Life cycle inventories for Environmentally-Conscious Manufacturing Processes.
122
Fussler C. (1994), Life Cycle Assessment: A New Business Tool?, Dow Erope S. A., Horgen, Switzerland.
Ghilarducci D., Tjeerdema R. (1995), Fate and Effects of Acrolein, Review of Environmental Contamination and Toxicology, vol 144, pp. 95-146.
Goedkoop M., De Schryver A., Oele M. (Pré Consultants 2008), Introduction to LCA
with SimaPro7.
Goedkoop M., Heijuns R., Huijbregts M., De Schryver A., Struijs J., van Zelm R. (2012) ReCiPe 2008- A life cycle impact assessment method which comprises
harmonized category indicators at the midpoint and the endpoint level, First edition
(revised). Ministry of Housing, Spatial Planning and the Environment (VROM), Netherlands.
Hahn W. (2013), USDA Economic Research Service calculations based on Bureau of Labor Statistics and USDA Agricultural Marketing Service Data, available from http://www.ers.usda.gov/data-products/meat-price-spreads.aspx.
Hischier R., Althaus H., Gilgen P., Richter K., Zimmermann M. (2002), Ecoinvent-
Switzerland’s life cycle inventory database, EMPA Activities 2002, available on
www.empa.ch.
Holman P.A., Shonnard D.R., Holles J.H. (2009), Using life cycle assessment to guide
catalysis research, Ind. Eng. Chem. Res., 48, 6668-6674.
http://www.gov.uk/government/uploads/system/.../tallow-review.pdf , (2012), Status of
the tallow market.
Huijbregts M., Norris G., Bretz R., Ciroth A., Maurice B., von Bahr B., Weidema B., de Beaufort A. (2001), Framework for modeling data uncertainty in life cycle
inventories, The international journal of Life Cycle Assessment, volume 6, pp 127-
132.
ISO 14040, Environmental management - Life cycle assessment - Principles and framework.
ISO 14044, Environmental management - Life cycle assessment - Requirements and guidelines.
Jimènez- Gonzàlez C., Constable D. (2011), A pratical Design Approach, Green Chemistry and engineering in the context of sustainability, cap 1, pp. 3-12.
Katryniok B., Paul S., Capron M., Dumeignil F., (2009), Towards the Sustainable
123
Katryniok B., Paul S., Belliére-Baca V., Rey P., Dumeignil F. (2010), Glycerol
dehydration to acrolein in the context of new uses of glycerol, Green Chem., 12, 2079-
2098.
Kidwai M., Mohan R. (2005), Green Chemistry: An innovative technology, Foundation of chemistry, 7: 269-287.
Lin L., Cunsahan Z., Vittayapadung S., Xiangqian S., Mingdong D. (2011),
Opportunities and challenges for biodiesel fuel, Applied Energy, 88, 1020-1031. Liu L., Ye P., Bozell J.J. (2012), A Comparative Review of Petroleum-Based and Bio-
Based Acrolein Production, ChemSusChem, 5, 1162-1180.
Magatani Y., Okumura K., Dubois J.L., Devaux J.F. (2013), Catalyst and process for
preparing acrolein and/or acrylic acid by dehydration reaction of glycerin, US Patent
2013/0053595 A1, Arkema France and Nippon Kayaku Kabushiki Kaisha.
Manahan S. E. (2001), GREEN CHEMISTRY FOR A SUSTAINABLE FUTURE, Fundamentals of Environmental Chemistry, CRC Press LLC.
Martin A., Armbruster U., Atia H. (2012), Recent developments in dehydration of
glycerol toward acrolein over heteropolyacids, Eur. J. Lipid Sci. Technol., 114, 10-23. Matlack A. S. (2001), Introduction to Green Chemistry, Marcel Dekker Inc, New
York.
Metzger J. O. (2009), Fats and oils as renewable feedstock for chemistry, European Journal of Lipid Science and Technology, Vol 111, Issue 9, pp. 865-876.
Muckerheide V. J. (1952), Fat splitting and distillation, Journal of American Oil Chemists Society, Vol 29, Issue 11, pp 490-495.
Ohara T., Sato T., Shimizu N., Prescher G., Schwind H., Weiberg O., Marten K., Greim H. (2012), Acrylic Acid and Derivates, Ullmann’s encyclopedia of industrial chemistry.
Pagliaro M., Rossi M. (2008), The future of glycerol: new uses of a versatile raw
materil, Glycerol: Properties and Production, RSC Green Chemistry Book Series. Pudar S., Oxagaard J., Chenoweth K., van Duin A., Goddard W. (2007), Mechanism
of Selective Oxidation of Propene to Acrolein on Bismuth Molybdates from Quantum Mechanical Calculation, Phys. Chem., 111, 1640-1641.
Redtenbacher J., Liebigs J. (1843), Ann. Chem. 47, pp. 113-150.
Righi S., Morfino A., Galletti P., Samor C., Tugnoli A., Stramigioli C. (2010),
124
butyl-3-methylimidazolium chloride and N-methyl-morpholine-N-oxide, Green Chem.,
13, 367.
Romero R., Martinez S. L., Natividad R. (2011), Biodiesel Production by Using
Heterogeneous Catalysts, Alternative Fuel, InTech, available from http://www.intechopen.com/books/alternative-fuel/biodiesel-production-by-
usingheterogeneous-catalyst.
Schaub T., Paciello R.A. (2011), A process for synthesis of Formic Acid by CO2
hydrogenation: thermodynamic aspects and the role of CO, Angew. Chem. Int. , 50,
7278-7282, Willey-VCH.
Sharma K.S., Mudhoo A., Zhang W. (2011), A Versatile Research Perspective, Green Chemistry and Engineering.
Sheehan J., Camobreco V., Duffield J., Graboski M., Shapouri H. (1998), Life Cycle
Inventory of biodiesel and petroleum diesel for use in an urban bus.
Sheldon R. A. (1997), Catalysis and pollution prevention, Chem. Ind. (London), 12- 15.
Sullivan J. L. (2001), Life Cycle Assessment, Discussion and Industrial Application, Ford Motor Company, Deaborn, Michigan, cap 15.
Szmant H. H. (1989), Organic Building Blocks of the Chemical Industry, Wiley, New York.
Tang S., Bourne R., Smith R., Poliakoff M. (2008), The 24 Principles of Green
Engineering and Green Chemistry: IMPROVEMENT PRODUCTIVELY, Green
Chem., 10, 268-269, The Royal Society of Chemistry.
Thomas A. (2012), Fats and Fatty Oils, Ullmann’s encyclopedia of industrial chemistry.
Thompson M. (2000), Understanding Environmental Values: A Cultural Theory
Approach.
UNI EN 14214:2004 - Combustibili per autotrazione - Esteri metilici di acidi grassi (FAME) per motori diesel.
USDA, Renewable Fuel Association, National Biodiesel Board.
Van Gerpen J., Knothe G. (2005), Basic of the Transesterification Reaction, Biodiesel Production.
125
Van Zelm R., Huijbregts M., Hollander H., van Jaarsveld H., Sauter F., Struijs J., van Wijnen H., van de Meent D. (2012), Human health damage due to PM10 and Ozone, Recipe 2008.
Weidema B. P., Wesnæs M. S. (1996), Dataquality management for life cycle
inventories-an example of using data quality indicators, J. Cleaner Prod., Volume 4,
Number 3-4, pp. 167-174.
www.web.cals.uidaho.edu/biodiesel/tools-for-producers/triglyceride-molecular-
weight-calculator/
Yang F., Hanna M. A., Sun R. (2012), Value-addes uses for crude glycerol- a
byproduct of biodiesel production, Biotechnology for Biofuel, available from